人脸定位研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-21页 |
| ·研究的背景和意义 | 第7-9页 |
| ·人脸识别方法介绍 | 第9-13页 |
| ·基于几何特征的人脸识别方法 | 第9-10页 |
| ·基于代数特征的人脸识别方法 | 第10-12页 |
| ·小结 | 第12-13页 |
| ·人脸定位方法综述 | 第13-18页 |
| ·基于知识的方法 | 第13-15页 |
| ·基于特征的方法 | 第15-16页 |
| ·模板匹配 | 第16-17页 |
| ·基于外观的方法 | 第17-18页 |
| ·小结 | 第18页 |
| ·本文的研究思路及安排 | 第18-21页 |
| 第二章 人脸定位的数学模型 | 第21-35页 |
| ·支持向量机简介 | 第21页 |
| ·支持向量机的理论背景 | 第21-22页 |
| ·统计学习理论 | 第21-22页 |
| ·SVM的基本原理 | 第22页 |
| ·支持向量机的数学模型 | 第22-24页 |
| ·线性支持向量机 | 第22-23页 |
| ·非线性支持向量机 | 第23页 |
| ·线性不可分情况的处理 | 第23-24页 |
| ·支持向量机的学习方法 | 第24-30页 |
| ·分解算法 | 第25-27页 |
| ·多变量更新算法 | 第27-28页 |
| ·序列算法 | 第28-29页 |
| ·变异SVM的学习算法 | 第29-30页 |
| ·支持向量机学习算法的实现 | 第30页 |
| ·支持向量机的核参数的选择问题 | 第30-33页 |
| ·C支持向量机的变形算法 | 第30-31页 |
| ·基于混合遗传算法的核参数选择方法 | 第31-33页 |
| ·支持向量机的前景展望 | 第33-35页 |
| 第三章 基于图像分割的正面图像人脸定位 | 第35-41页 |
| ·介绍 | 第35-36页 |
| ·人脸定位算法 | 第36-37页 |
| ·图像预处理 | 第36页 |
| ·OAC滤波器 | 第36-37页 |
| ·图像分割 | 第37页 |
| ·训练人脸模板 | 第37-38页 |
| ·仿真结果 | 第38-39页 |
| ·小结 | 第39-41页 |
| 第四章 多角度人脸定位的应用与实现 | 第41-59页 |
| ·介绍 | 第41-43页 |
| ·背景 | 第41-42页 |
| ·困难 | 第42页 |
| ·我采用的方法 | 第42-43页 |
| ·基于姿势估计的多角度人脸定位 | 第43-48页 |
| ·人脸姿势的估计 | 第44-45页 |
| ·多视角人脸定位 | 第45-48页 |
| ·实验和结果讨论 | 第48-56页 |
| ·数据库的选择 | 第48页 |
| ·姿势估计 | 第48-51页 |
| ·多视角人脸定位 | 第51-54页 |
| ·从视频中检测人脸 | 第54-55页 |
| ·正面人脸定位 | 第55-56页 |
| ·小结 | 第56-59页 |
| 结论 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者在读期间的研究成果 | 第67-68页 |
